【技术实现步骤摘要】
一种基于电力大数据挖掘算法的电路负荷预测方法
[0001]本专利技术涉及电力负荷预测
,具体涉及一种基于电力大数据挖掘算法的电路负荷预测方法。
技术介绍
[0002]随着大数据时代的到来和各种智能设备的增加,设备获取的各类数据发生着指数级的增长,给电力系统带来了额数据类型多样化、价值密度低的海量数据。此外,随着科技进步与发展,各种各样的智能设备的増加使得电力负荷的采集点的分布更加密集,采集频率变高,进一步催化了电力负荷数据的指数级增长。与此同时,电力数据复杂程度也日益加深,数据存储规模也迅速增长甚至达到了PB级别。因而,如何运用数据挖掘算法找到适合电力负荷预测进行建模和学习,提高电力负荷预测精度,成为一个重要问题。
[0003]如中国专利CN108053055A,公开日2018年05月18日,本专利技术涉及一种基于支持向量机的大型城市中长期电力负荷组合预测方法,其技术特点在于:包括以下步骤:步骤1、以大型城市中长期负荷的分区特征值和分区面积作为输入,提出基于负荷密度法的大型城市中长期负荷预测方法;步骤2、以历史年负荷数据作为输入,提出基于趋势外推法的大型城市中长期负荷预测方法;步骤3、以专家经验和年负荷历史数据作为输入,提出基于专家经验的年均增长率法的大型城市中长期负荷预测方法;步骤4:基于步骤1、步骤2和步骤3的负荷预测结果,应用支持向量机法进行拟合,提出基于支持向量机的大型城市中长期负荷组合预测方法。本专利技术通过对三种负荷预测方法进行二次拟合,获得了大型城市电网中长期的负荷预测值。本专利技术采用的 ...
【技术保护点】
【技术特征摘要】
1.一种基于电力大数据挖掘算法的电路负荷预测方法,其特征在于,包括如下步骤:S1:对负荷数据进行预处理;S2:基于X
‑
Means算法对负荷数据进行离散化操作,确定负荷区间;S3:采用随机森林算法建立分类模型,预测未来一天或者一个月的电力负荷区间;S4:采用随机森林算法建立回归模型,预测未来一天或者未来一个月具体的负荷值;S5:结合WEKA中的时间序列模型采用随机森林方法对历史负荷数据进行时间序列预测,预测未来时刻的具体负荷值。2.根据权利要求1所述的一种基于电力大数据挖掘算法的电路负荷预测方法,其特征在于,所述步骤S1包括以下步骤:S11:数据填充和异常值处理:根据缺失数据相邻的负荷数据,对缺失数据进行填充,根据异常值相邻的负荷数据,对异常值进行替换修改;S12:特征规范化:通过区间规范化方法对负荷数据的各个特征进行规范化;S13:特征选择:利用信息增益公式计算各个特征的信息增益,选取有用的特征。3.根据权利要求2所述的一种基于电力大数据挖掘算法的电路负荷预测方法,其特征在于,所述步骤S11中的缺失数据的填充和异常值的替换都根据以下公式进行计算:x(d,t)=ω1x(d1,t)+ω2x(d2,t)其中:x(d,t)表示第d天第t小时对应的负荷值,ω1x(d1,t)表示第d
‑
1天第t小时对应的负荷值,ω2x(d2,t)表示第d+1天第t小时对应的负荷值,ω1和ω2分别表示前一天及后一天负荷的权重,ω1=ω2=0.5。4.根据权利要求2或3所述的一种基于电力大数据挖掘算法的电路负荷预测方法,其特征在于,所述区间规范化方法包括以下步骤:根椐特征值的区间的边界值将数值归一化到[0,1]区间,计算如式其中:min
A
和max
A
分别为特征A的最小值和最大值,v
i
为特征A的某一个值,v
′
i
为特征A的某一个值规范化后的值,当某个特征的最大值和最小值相等时,该特征的所有数值都变为1。5.根据权利要求2或3所述的一种基于电力大数据挖掘算法的电路负荷预测方法,其特征在于,所述信息增益公式如下所示:其中:IG(X
i
)表示...
【专利技术属性】
技术研发人员:李鑫,徐宏,刘书涵,花志伟,朱重希,汪自立,李明贤,刘扬,王佳祯,
申请(专利权)人:国网浙江省电力有限公司桐乡市供电公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。